CN101387868A - 自适应不同加热炉炉况的轧线模型控制***及控制方法 - Google Patents
自适应不同加热炉炉况的轧线模型控制***及控制方法 Download PDFInfo
- Publication number
- CN101387868A CN101387868A CNA2007101322322A CN200710132232A CN101387868A CN 101387868 A CN101387868 A CN 101387868A CN A2007101322322 A CNA2007101322322 A CN A2007101322322A CN 200710132232 A CN200710132232 A CN 200710132232A CN 101387868 A CN101387868 A CN 101387868A
- Authority
- CN
- China
- Prior art keywords
- data
- rolling
- finish rolling
- furnace
- operational model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
本发明涉及一种自适应不同加热炉炉况的轧线模型控制***,同时还涉及相应的控制方法,属于轧钢计算机控制技术领域。该***运行时,借助初始化数据生成装置、第一和第二数据存储装置、数据读取处理装置、数据采样装置、自学习修正运算装置、修正写入装置,并经过相应的步骤,不仅从根本上改变了以往多炉况单一轧线模型控制的落后状况,而且将生产计划管理、控制运算模型以及轧制控制科学的有机联系在一起,尤其是可以分别根据炉号自动进行精轧运算模型的设定计算和自学习修正,从而使目标控制参数逐渐逼近实际参数,彻底解决了不同加热炉炉况对轧制质量干扰的难题,确保了热轧产品的质量及其稳定性。
Description
技术领域
本发明涉及一种热轧生产中轧线模型的控制***,同时还涉及相应的控制方法,属于轧钢计算机控制技术领域。
背景技术
据申请人了解,大型热轧厂通常都有两座以上的加热炉。在大多数情况下,由于加热炉的炉内布置、烧嘴配置、煤气流量、加热制度等炉况并不统一,因此各加热炉的出炉板坯温度不可能完全一致。结果,往往造成精轧轧制时,带钢头部轧制力波动较大,并且带钢头部厚度精度、温度精度等也得不到保证,从而影响生产的稳定性和热轧产品的质量。
检索发现,申请号为200410100419.0的中国专利公开了一种对加热炉进行综合优化控制的控制***结构设计及其控制方法,其技术方案主要是将加热炉和粗轧机组构成一个有机的闭环***,结合优化控制策略和控制算法对钢坯加热过程实现综合优化控制。此外,申请号为200410021074.X的中国专利申请公开了一种中薄板坯连铸连轧生产控制模型,该模型由计算机控制***和数据处理***构成,集冶炼、连铸、轧制为一体,能够适应多铸机、多流、不同铸坯拉速、不同钢种连浇的复杂生产状况,以及异常情况下的控制与调整。此两专利申请中前者仅仅借助闭环监控反馈,实现了对单炉监控参数的修正,但并不适用于较为复杂的多炉监控,并且简单的闭环反馈不能修正监控控制模型,因而无法实现智能化的监控。此两专利申请中后者解决的问题主要是通过对生产管理***的改善,实现产量的最大化。
发明内容
本发明要解决的技术问题是:针对上述热轧厂具有两座以上加热炉的现状,提供一种具有“学习”功能的自适应不同加热炉炉况的轧模型控制***,及其相应的控制方法,从而解决多炉智能化监控的问题。
为了解决上述技术问题,本发明的自适应不同加热炉炉况的轧模型控制***为一计算机控制***,其中包括
——初始化数据生成装置,用以按照预定生产管理模式根据输入的各待轧制钢卷的ID(Identification)生成包括板坯参数、对应炉号、目标数据在内的轧制计划数据;
——第一数据存储装置,用以存储作为初始化的轧制计划数据;
——第二数据存储装置,用以存储与各炉号分别对应的精轧运算模型,所述各精轧运算模型分别含有针对对应炉号的修正系数;
——数据读取处理装置,用以
根据输入的钢卷ID,从第一数据存储装置读取对应的轧制计划数据,
再根据包含在轧制计划数据中的炉号,从第二数据存储装置中读取对应的精轧运算模型,
进而根据目标数据,按照精轧运算模型,计算出精轧目标控制参数,并输出到精轧设备作为控制依据;
——轧后数据采样装置,用以采集与目标控制参数对应的轧制后实际数据;
——自学习修正运算装置,用以根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据;
——修正写入装置,用以根据上述修正数据改写第二存储装置中精轧运算模型的修正系数。
以上本发明的***运行时,相应步骤为:
——初始化数据生成步骤:按照预定生产管理模式根据输入的各待轧制钢卷的ID生成包括板坯参数、对应炉号、目标数据在内的轧制计划数据;
——第一数据存储步骤:存储作为初始化的轧制计划数据;
——第二数据存储步骤:存储与各炉号分别对应的精轧运算模型,所述各精轧运算模型分别含有针对对应炉号的修正系数;
——数据读取处理步骤:
根据输入的钢卷ID,从第一数据存储装置读取对应的轧制计划数据,
再根据包含在轧制计划数据中的炉号,从第二数据存储装置中读取对应的精轧运算模型,
进而根据目标数据,按照精轧运算模型,计算出精轧目标控制参数,并输出到精轧设备作为控制依据;
——轧后数据采样步骤:采集与目标控制参数对应的轧制后实际数据;
——自学习修正运算步骤:根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据;
——修正写入步骤:根据上述修正数据改写第二存储装置中精轧运算模型的修正系数。
本发明不仅从根本上改变了以往多炉况单一轧线模型控制的落后状况,而且将生产计划管理、控制运算模型以及轧制控制科学的有机联系在一起,尤其是可以分别根据炉号自动进行精轧运算模型的设定计算和自学习修正,从而使后续的目标控制参数逐渐逼近实际参数,彻底解决了不同加热炉炉况对轧制质量干扰的难题,确保了热轧产品的质量及其稳定性。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一个实施例的***框图。
图2是本发明图1实施例的流程框图。
具体实施方式
实施例一
本实施例的自适应不同加热炉炉况的轧模型控制***如图1所示,含有三组计算机***LI、L2、L3,其中L3为生产管理***,L2为综合计算机***,L1为执行控制***。L2中包含加热炉子***、跟踪子***、数据库子***和模型子***等。
整个***运行的主要过程如下(参见图2):1)、L3在编写轧制计划时,作为初始化数据生成装置,生成钢卷ID、板坯号、板坯数据、目标数据、C、Mn等板坯化学成分数据等。例如具体有:钢卷ID-72866010100、钢种-SPHC、炉号-1、板坯厚度-210mm、板坯宽度-1260mm、板坯长度-9600mm、中间坯厚度-38mm、目标厚度-2.75mm、目标宽度-1215mm、精轧目标温度-880℃、卷取目标温度-620℃、化学成分:C-0.05、MN-0.23等数据。并将上述有关板坯的数据存入作为第一数据存储装置的PDI(pr imarydata input)数据库中。上述初始化数据生成装置含有板坯炉号自动生成器,可以按预定规律生成炉号。
2)、L2中的模型数据库作为第二数据存储装置,对应各炉号,分别存储有含有精轧各机架轧制力修正系数、功率修正系数、温度修正系数、辊缝修正系数,以及精轧出口温度修正系数、出口厚度修正系数、出口宽度修正系数等在内的精轧运算模型。
3)、当板坯根据炉号装炉时,(含实际炉号)L2中的加热炉子***作为数据读取处理装置,根据该板坯的钢卷ID(72866010100)读取PDI数据库中存储的板坯数据;在板坯出炉到精轧轧制过程中,L2中的跟踪子***在物理信号产生器的协助下,自动对带钢进行跟踪。
4)、当该钢卷(72866010100)到达精轧入口高温计时,自动触发精轧运算模型设定计算的信号;在接受到精轧运算模型设定计算信号时,L2以PDI数据库中的实际炉号,读取模型数据库的精轧运算模型,根据目标数据,以各对应的修正系数进行精轧模型的设定计算,得出包括轧制力、速度、出口厚度、出口宽度以及精轧出口带钢头部的温度、厚度、宽度等在内的目标控制参数,下装到L1的控制器,对该带钢进行轧制控制。
5)、L2的跟踪子***继续对带钢进行跟踪,当该带钢在精轧出口处通过数据采样装置将对应目标控制参数的各实际数据采样完成后,自动触发精轧运算模型的自学习计算信号。
6)、L2作为自学习修正运算装置,在接收到精轧运算模型自学习信号时,读取轧制后的包括轧制力、速度、出口厚度、出口宽度以及精轧出口带钢头部的温度、厚度、宽度等实际数据,并与对应的目标控制参数进行比较,进而根据其相互之间的偏差,生成对精轧运算模型的修正数据。(修正数据的生成可以采用各种插值运算,或递减等方法,总之以可以逐步缩小上述偏差为目的)
7)、L2将修正数据根据该带钢的炉号,分别写入模型数据库中,取代先前对应精轧运算模型的修正系数,为同炉号的下块钢(如ID为:72866010300)的精轧模型计算提供自学习后的精轧运算模型。
以上过程不仅可以根据不同炉号的实际情况,分别进行有针对性的精轧控制,而且更重要的是,在不断重复以上过程之后,可以使目标控制参数逐渐逼近精轧后的实际参数,自动达到模型的不断调优,确保精轧的品质。
例如,实际作业时有4块钢卷,72866010100,72866010300装在1号加热炉,72866010200,72866010400装在3号加热炉。出炉顺序为:72866010100,72866010200,72866010300,72866010400。同时,这4块钢卷的板坯数据和目标数据都一样。
ID:72866010100的PDI数据和模型计算数据、模型修正数据有:
PDI数据:钢种-SPHC,炉号-1,板坯厚度-210mm,板坯宽度-1260mm,板坯长度-9600mm,中间坯厚度-38mm,目标厚度-2.75mm,目标宽度-1215mm,精轧目标温度-880℃,卷取目标温度-620℃,化学成分:C-0.050,Mn-0.23等数据。
轧制前精轧运算模型含有的主要修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9846 | 0.8901 | -3.41 | 1.1491 | -0.4957 |
F1 | 1.0181 | 0.8501 | -13.29 | 1.1039 | -0.1232 |
F2 | 0.9989 | 0.8501 | -10.78 | 0.9734 | -0.7586 |
F3 | 1.0016 | 1.1007 | -14.76 | 0.8630 | -0.5126 |
F4 | 1.0038 | 0.8650 | 12.18 | 1.0195 | -0.2978 |
F5 | 0.9937 | 0.9367 | 11.19 | 0.8761 | -0.3007 |
F6 | 1.0055 | 1.0086 | 11.03 | 0.9912 | -0.2559 |
精轧出口温度修正系数:-0.8℃,出口厚度修正系数:-0.0239mm、出口宽度修正系数:2.1mm。
带钢的精轧入口温度:1020.2℃。
精轧运算模型计算出的精轧目标控制参数主要有:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) | 出口宽度(mm) | 辊缝修正量(mm) |
F0 | 23826 | 76.767 | 20.2500 | 1230.9 | -0.4957 |
F1 | 13220 | 109.749 | 14.4322 | 1230.7 | -0.1232 |
F2 | 16056 | 172.729 | 8.9182 | 1230.6 | -0.7586 |
F3 | 13442 | 262.453 | 5.9149 | 1230.5 | -0.5126 |
F4 | 12743 | 365.950 | 4.3109 | 1230.5 | -0.2978 |
F5 | 10142 | 487.132 | 3.2652 | 1230.4 | -0.3007 |
F6 | 7582 | 588.329 | 2.7714 | 1230.3 | -0.2559 |
计算的精轧出口温度:874.5℃,精轧出口厚度:2.7566mm,精轧出口宽度:1228.5mm
轧后采样的实际数据为:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) |
F0 | 23648 | 76.708 | 20.1256 |
F1 | 13798 | 109.723 | 14.5574 |
F2 | 16669 | 172.854 | 9.0614 |
F3 | 13481 | 269.997 | 5.9367 |
F4 | 12833 | 362.708 | 4.3061 |
F5 | 10404 | 482.878 | 3.2622 |
F6 | 7689 | 587.259 | 2.7724 |
精轧出口头部温度:863℃
精轧出口头部厚度:2.7599mm
精轧出口头部宽度:1231.11mm
根据采样实际数据与目标控制参数差异得出的修正数据改写后的修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9856 | 0.8928 | -3.343 | 1.1484 | -0.4922 |
F1 | 1.0189 | 0.8500 | -13.348 | 1.1097 | -0.1092 |
F2 | 1.0003 | 0.8500 | -10.769 | 0.9761 | -0.7820 |
F3 | 1.0034 | 1.1082 | -14.730 | 0.8666 | -0.5204 |
F4 | 1.0064 | 0.8685 | 12.230 | 1.0251 | -0.3043 |
F5 | 0.9972 | 0.9418 | 11.266 | 0.8805 | -0.3045 |
F6 | 1.0054 | 1.0137 | 11.152 | 0.9924 | -0.2543 |
轧制后的精轧出口温度修正系数:3.6℃、出口厚度修正系数:-0.0256mm、
出口宽度修正系数:1.01mm。
ID:72866010200的PDI数据和模型计算数据、模型修正数据有:
PDI数据:钢种-SPHC,炉号-3,板坯厚度-210mm,板坯宽度-1260mm,板坯长度-9600mm,中间坯厚度-38mm,目标厚度-2.75mm,目标宽度-1215mm,精轧目标温度-880℃,卷取目标温度-620℃,化学成分:C-0.050,Mn-0.23等数据。
轧制前精轧运算模型含有的主要修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9908 | 0.8795 | -3.143 | 1.1248 | -0.7065 |
F1 | 0.9839 | 0.8500 | 13.66 | 1.0814 | -0.1333 |
F2 | 1.0004 | 0.8500 | -10.845 | 1.0024 | -0.3009 |
F3 | 1.0044 | 1.0943 | -14.76 | 0.8425 | -0.4560 |
F4 | 1.0071 | 0.8712 | 12.204 | 1.0449 | -0.1201 |
F5 | 1.0211 | 0.9590 | 10.945 | 0.9246 | -0.0908 |
F6 | 1.0333 | 1.0325 | 11.756 | 1.0123 | -0.0709 |
精轧出口温度修正系数:-5.9℃、出口厚度修正系数:-0.0085mm、出口宽度修正系数:-1.3mm。
带钢的精轧入口温度:995.92℃。
精轧运算模型计算出的精轧目标控制参数主要有:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) | 出口宽度(mm) | 辊缝修正量(mm) |
F0 | 23917 | 75.853 | 19.8213 | 1230.3 | -0.7065 |
F1 | 13249 | 110.509 | 13.8991 | 1230.3 | -0.1333 |
F2 | 16141 | 171.796 | 8.6610 | 1229.9 | -0.3009 |
F3 | 13650 | 264.696 | 5.5567 | 1229.5 | -0.4560 |
F4 | 12778 | 366.800 | 4.0843 | 1229.5 | -0.1201 |
F5 | 10181 | 478.153 | 3.1935 | 1229.4 | -0.0908 |
F6 | 759 | 571.182 | 2.7500 | 1229.3 | -0.0709 |
计算的精轧出口温度:872.5℃,精轧出口厚度:2.7719mm,精轧出口宽度:1229.5mm
轧后采样的实际数据为:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) |
F0 | 21616 | 75.829 | 19.7150 |
F1 | 12848 | 110.483 | 13.8861 |
F2 | 15766 | 171.887 | 8.7018 |
F3 | 12839 | 262.304 | 5.5710 |
F4 | 11595 | 365.874 | 4.1197 |
F5 | 9331 | 476.540 | 3.2123 |
F6 | 7181 | 570.228 | 2.7724 |
精轧出口头部温度:870℃
精轧出口头部厚度:2.7604mm
精轧出口头部宽度:1230.34mm
根据采样实际数据与目标控制参数差异得出的修正数据改写后的修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9883 | 0.8765 | -3.840 | 1.1176 | -0.6622 |
F1 | 0.9810 | 0.8500 | 13.734 | 1.0724 | -0.1281 |
F2 | 0.9984 | 0.8500 | -10.283 | 0.9987 | -0.3172 |
F3 | 1.0029 | 1.1084 | -14.785 | 0.8408 | -0.4617 |
F4 | 1.0038 | 0.8652 | 12.751 | 1.0404 | -0.1342 |
F5 | 1.0220 | 0.9548 | 11.754 | 0.9290 | -0.0984 |
F6 | 1.0403 | 1.0472 | 11.756 | 1.0281 | -0.0556 |
精轧出口温度修正系数:2.12℃,出口厚度修正系数:0.046mm、出口宽度修正系数:1.3mm。
ID:72866010300的PDI数据和模型计算数据、模型修正数据有:
PDI数据:钢种-SPHC,炉号-1,板坯厚度-210mm,板坯宽度-1260mm,板坯长度-9600mm,中间坯厚度-38mm,目标厚度-2.75mm,目标宽度-1215mm,精轧目标温度-880℃,卷取目标温度-620℃,化学成分:C-0.050,Mn-0.23等数据。
轧制前精轧运算模型含有的主要修正系数:(采用72866010100带钢,1号炉的自学习修正数据)
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9856 | 0.8928 | -3.343 | 1.1484 | -0.4922 |
F1 | 1.0189 | 0.8500 | -13.348 | 1.1097 | -0.1092 |
F2 | 1.0003 | 0.8500 | -10.769 | 0.9761 | -0.7820 |
F3 | 1.0034 | 1.1082 | -14.730 | 0.8666 | -0.5204 |
F4 | 1.0064 | 0.8685 | 12.230 | 1.0251 | -0.3043 |
F5 | 0.9972 | 0.9418 | 11.266 | 0.8805 | -0.3045 |
F6 | 1.0054 | 1.0137 | 11.152 | 0.9924 | -0.2543 |
精轧出口温度修正系数:3.6℃,出口厚度修正系数:-0.0256mm、出口宽度修正系数:1.01mm。
带钢的精轧入口温度:1023.2℃。
精轧运算模型计算出的精轧目标控制参数主要有:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) | 出口宽度(mm) | 辊缝修正量(mm) |
F0 | 26223 | 80.613 | 20.3529 | 1229.4 | -0.4922 |
F1 | 14534 | 114.637 | 14.7095 | 1229.2 | -0.1092 |
F2 | 17685 | 179.529 | 9.0736 | 1229.2 | -0.7820 |
F3 | 14901 | 273.053 | 5.9785 | 1229.2 | -0.5204 |
F4 | 14249 | 383.245 | 4.3507 | 1229.2 | -0.3043 |
F5 | 11326 | 514.646 | 3.2815 | 1229.2 | -0.3045 |
F6 | 8461 | 626.620 | 2.7651 | 1229.1 | -0.2543 |
计算的精轧出口温度:881.1℃,精轧出口厚度:2.7548mm,精轧出口宽度:1228.9mm
轧后采样的实际数据为:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) |
F0 | 25887 | 81.536 | 20.4737 |
F1 | 14249 | 116.025 | 14.7526 |
F2 | 16809 | 182.837 | 9.0906 |
F3 | 13515 | 278.585 | 5.9726 |
F4 | 12715 | 387.999 | 4.3282 |
F5 | 9632 | 516.950 | 3.2511 |
F6 | 6969 | 628.066 | 2.8016 |
精轧出口头部温度:882℃
精轧出口头部厚度:2.7504mm
精轧出口头部宽度:1229.15mm
根据采样实际数据与目标控制参数差异得出的修正数据改写后的修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9824 | 0.8984 | -2.616 | 1.1365 | -0.5405 |
F1 | 1.0171 | 0.8500 | 13.715 | 1.1083 | 0.0920 |
F2 | 0.9981 | 0.8500 | -10.606 | 0.9709 | -0.7888 |
F3 | 1.0011 | 1.1064 | -14.224 | 0.8622 | -0.5181 |
F4 | 1.0036 | 0.8662 | 12.471 | 1.0199 | -0.2953 |
F5 | 0.9908 | 0.9357 | 11.880 | 0.8697 | -0.2923 |
F6 | 0.9984 | 0.9891 | 12.174 | 0.9810 | -0.2689 |
轧制后的精轧出口温度修正系数:-0.6℃,出口厚度修正系数:-0.003mm、
出口宽度修正系数:-0.12mm。
ID:72866010400的PDI数据和模型计算数据、模型修正数据有:
PDI数据:钢种-SPHC,炉号-3,板坯厚度-210mm,板坯宽度-1260mm,板坯长度-9600mm,中间坯厚度-38mm,目标厚度-2.75mm,目标宽度-1215mm,精轧目标温度-880℃,卷取目标温度-620℃,化学成分:C-0.050,Mn-0.23等数据。
轧制前精轧运算模型含有的主要修正系数:(采用72866010200带钢,3号炉的自学习修正数据)
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9883 | 0.8765 | -3.840 | 1.1176 | -0.6622 |
F1 | 0.9810 | 0.8500 | 13.734 | 1.0724 | -0.1281 |
F2 | 0.9984 | 0.8500 | -10.283 | 0.9987 | -0.3172 |
F3 | 1.0029 | 1.1084 | -14.785 | 0.8408 | -0.4617 |
F4 | 1.0038 | 0.8652 | 12.751 | 1.0404 | -0.1342 |
F5 | 1.0220 | 0.9548 | 11.754 | 0.9290 | -0.0984 |
F6 | 1.0403 | 1.0472 | 11.756 | 1.0281 | -0.0556 |
精轧出口温度修正系数:2.12℃,出口厚度修正系数:0.046mm、出口宽度修正系数:1.3mm。
带钢的精轧入口温度:1001.92℃。
精轧运算模型计算出的精轧目标控制参数主要有:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) | 出口宽度(mm) | 辊缝修正量(mm) |
F0 | 23325 | 75.424 | 19.6319 | 1230.3 | -0.6622 |
F1 | 12930 | 110.214 | 13.8624 | 1230.3 | -0.1281 |
F2 | 15753 | 171.411 | 8.7106 | 1229.9 | -0.3172 |
F3 | 13323 | 263.744 | 5.6231 | 1229.5 | -0.4617 |
F4 | 12471 | 365.295 | 4.1273 | 1229.5 | -0.1342 |
F5 | 9934 | 474.593 | 3.2090 | 1229.4 | -0.0984 |
F6 | 7408 | 564.251 | 2.7828 | 1229.3 | -0.0556 |
计算的精轧出口温度:877.4℃,精轧出口厚度:2.7755mm,精轧出口宽度:1229.52mm
轧后采样的实际数据为:
机架 | 轧制力(kn) | 速度(mpm) | 出口厚度(mm) |
F0 | 22240 | 75.398 | 19.6319 |
F1 | 13101 | 110.204 | 13.8624 |
F2 | 15844 | 171.569 | 8.7106 |
F3 | 13158 | 261.653 | 5.6231 |
F4 | 11972 | 363.648 | 4.1273 |
F5 | 9721 | 472.863 | 3.2090 |
F6 | 7465 | 563.438 | 2.7828 |
精轧出口头部温度:876℃
精轧出口头部厚度:2.7502mm
精轧出口头部宽度:1229.01mm
根据采样实际数据与目标控制参数差异得出的修正数据改写后的修正系数:
机架 | 轧制力修正系数 | 功率修正系数 | 温度修正系数(℃) | 变形抗力修正系数 | 辊缝修正系数(mm) |
F0 | 0.9879 | 0.8755 | -2.999 | 1.1144 | -0.6736 |
F1 | 0.9795 | 0.8500 | 13.451 | 1.0659 | -0.1602 |
F2 | 0.9983 | 0.8500 | -10.417 | 0.9986 | -0.3340 |
F3 | 1.0021 | 1.0799 | -14.826 | 0.8403 | -0.4771 |
F4 | 1.0027 | 0.8600 | 12.483 | 1.0395 | -0.1466 |
F5 | 1.0221 | 0.9505 | 11.353 | 0.9327 | -0.1023 |
F6 | 1.0432 | 1.0523 | 11.245 | 1.0392 | -0.0833 |
精轧出口温度修正系数:2.32℃,出口厚度修正系数:0.016mm、出口宽度修正系数:1.01mm。
很明显,1号炉和3号炉的精轧入口温度有很大差异,但带钢72866010300和72866010400采用了不同加热炉的模型修正数据(分别是72866010100和72866010200轧制后的自学习模型修正数据),其控制精度都得到了显著提高,并且可以在后续的循环过程中,不断逼近最理想的控制精度。
由于上述模型修正数据根据炉号分别保存,因此解决了因不同加热炉炉况对轧线模型产生的干扰,提高了精轧模型的预报精度和轧制的稳定,保证了热轧产品质量。
总之,本发明体现了专业化、过程化、灵活化、通用化的特点;改变了以往多加热炉、多炉况、单一轧线模型控制的不合理状况,实现了将L3生产管理***、L2综合计算机***(加热炉子***、跟踪子***、数据库子***和模型子***)、L1执行控制***有机联系在一起,具有自动触发轧线模型的设定和计算功能,并根据炉号自动分别进行轧线模型的设定计算和自学习计算。与包括闭环控制在内的各种现有技术相比,具有突出的实质性特点和显著的进步。
Claims (8)
1.一种自适应不同加热炉炉况的轧线模型控制***,为一计算机控制***,其特征在于包括:
——初始化数据生成装置,用以按照预定生产管理模式根据输入的各待轧制钢卷的ID生成包括板坯参数、对应炉号、目标数据在内的轧制计划数据;
——第一数据存储装置,用以存储作为初始化的轧制计划数据;
——第二数据存储装置,用以存储与各炉号分别对应的精轧运算模型,所述各精轧运算模型分别含有针对对应炉号的修正系数;
——数据读取处理装置,用以
根据输入的钢卷ID,从第一数据存储装置读取对应的轧制计划数据,
再根据包含在轧制计划数据中的炉号,从第二数据存储装置中读取对应的精轧运算模型,
进而根据目标数据,按照精轧运算模型,计算出精轧目标控制参数,并输出到精轧设备作为控制依据;
——轧后数据采样装置,用以采集与目标控制参数对应的轧制后实际数据;
——自学习修正运算装置,用以根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据;
——修正写入装置,用以根据上述修正数据改写第二存储装置中精轧运算模型的修正系数。
2.根据权利要求1所述自适应不同加热炉炉况的轧线模型控制***,其特征在于:所述计算机***含有作为初始化数据生成装置的生产管理计算机、作为数据读取处理装置和自学习修正运算装置的综合计算机***,以及作为对精轧设备控制的执行控制计算机。
3.根据权利要求1或2所述自适应不同加热炉炉况的轧线模型控制***,其特征在于:所述精轧设备设有入口高温计,用以自动触发从第二数据存储装置中读取对应的精轧运算模型,进而按照精轧运算模型计算出精轧目标控制参数。
4.根据权利要求3所述自适应不同加热炉炉况的轧线模型控制***,其特征在于:所述精轧设备出口处设有自学习触发装置,用以在实际数据采样后,自动触发自学习修正运算装置根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据。
5.根据权利要求4所述自适应不同加热炉炉况的轧线模型控制***,其特征在于:所述初始化数据生成装置含有按预定规律生成板坯炉号的自动生成器。
6.一种自适应不同加热炉炉况的轧线模型控制方法,其特征在于包括以下步骤:
——初始化数据生成步骤:按照预定生产管理模式根据输入的各待轧制钢卷的ID生成包括板坯参数、对应炉号、目标数据在内的轧制计划数据;
——第一数据存储步骤:存储作为初始化的轧制计划数据;
——第二数据存储步骤:存储与各炉号分别对应的精轧运算模型,所述各精轧运算模型分别含有针对对应炉号的修正系数;
——数据读取处理步骤:
根据输入的钢卷ID,从第一数据存储装置读取对应的轧制计划数据,
再根据包含在轧制计划数据中的炉号,从第二数据存储装置中读取对应的精轧运算模型,
进而根据目标数据,按照精轧运算模型,计算出精轧目标控制参数,并输出到精轧设备作为控制依据;
——轧后数据采样步骤:采集与目标控制参数对应的轧制后实际数据;
——自学习修正运算步骤:根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据;
——修正写入步骤:根据上述修正数据改写第二存储装置中精轧运算模型的修正系数。
7.根据权利要求6所述自适应不同加热炉炉况的轧线模型控制方法,其特征在于:所述精轧设备设有入口高温计,在轧制后自动触发从第二数据存储装置中读取对应的精轧运算模型,进而按照精轧运算模型计算出精轧目标控制参数。
8.根据权利要求7所述自适应不同加热炉炉况的轧线模型控制方法,其特征在于:所述精轧设备出口处设有自学习触发装置,在实际数据采样后,自动触发自学习修正运算装置根据目标控制参数与对应的轧制后采样实际数据之差,产生精轧运算模型修正数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101322322A CN101387868A (zh) | 2007-09-14 | 2007-09-14 | 自适应不同加热炉炉况的轧线模型控制***及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101322322A CN101387868A (zh) | 2007-09-14 | 2007-09-14 | 自适应不同加热炉炉况的轧线模型控制***及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101387868A true CN101387868A (zh) | 2009-03-18 |
Family
ID=40477323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101322322A Pending CN101387868A (zh) | 2007-09-14 | 2007-09-14 | 自适应不同加热炉炉况的轧线模型控制***及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101387868A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121072A (zh) * | 2011-01-30 | 2011-07-13 | 宁夏惠冶镁业集团有限公司 | 金属镁冶炼生产管理***及方法 |
CN104858245A (zh) * | 2014-02-26 | 2015-08-26 | 宝山钢铁股份有限公司 | 一种基于多座加热炉的热轧连机组粗轧翘扣头控制方法 |
CN109388837A (zh) * | 2017-08-14 | 2019-02-26 | 上海梅山钢铁股份有限公司 | 一种利用历史数据进行虚拟轧钢的方法 |
CN111168028A (zh) * | 2020-01-21 | 2020-05-19 | 宝钢湛江钢铁有限公司 | 一种基于连铸厚板向板坯重量自适应控制方法 |
CN112404323A (zh) * | 2020-11-18 | 2021-02-26 | 攀钢集团攀枝花钢铁研究院有限公司 | 板坯加热炉控制***及方法 |
CN115612830A (zh) * | 2022-09-24 | 2023-01-17 | 本溪北营钢铁(集团)股份有限公司 | 一种用于缩小炉间温差的控制机构及控制方法 |
-
2007
- 2007-09-14 CN CNA2007101322322A patent/CN101387868A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102121072A (zh) * | 2011-01-30 | 2011-07-13 | 宁夏惠冶镁业集团有限公司 | 金属镁冶炼生产管理***及方法 |
CN102121072B (zh) * | 2011-01-30 | 2012-12-12 | 宁夏惠冶镁业集团有限公司 | 金属镁冶炼生产管理***及方法 |
CN104858245A (zh) * | 2014-02-26 | 2015-08-26 | 宝山钢铁股份有限公司 | 一种基于多座加热炉的热轧连机组粗轧翘扣头控制方法 |
CN109388837A (zh) * | 2017-08-14 | 2019-02-26 | 上海梅山钢铁股份有限公司 | 一种利用历史数据进行虚拟轧钢的方法 |
CN111168028A (zh) * | 2020-01-21 | 2020-05-19 | 宝钢湛江钢铁有限公司 | 一种基于连铸厚板向板坯重量自适应控制方法 |
CN112404323A (zh) * | 2020-11-18 | 2021-02-26 | 攀钢集团攀枝花钢铁研究院有限公司 | 板坯加热炉控制***及方法 |
CN112404323B (zh) * | 2020-11-18 | 2022-05-24 | 攀钢集团攀枝花钢铁研究院有限公司 | 板坯加热炉控制***及方法 |
CN115612830A (zh) * | 2022-09-24 | 2023-01-17 | 本溪北营钢铁(集团)股份有限公司 | 一种用于缩小炉间温差的控制机构及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101387868A (zh) | 自适应不同加热炉炉况的轧线模型控制***及控制方法 | |
JP6292309B2 (ja) | 圧延シミュレーション装置 | |
CN101780480B (zh) | 一种焊缝过机架时带钢头部厚度控制补偿方法 | |
CN102994731B (zh) | 加热炉炉内坯料优化加热曲线计算***及方法 | |
CN101829687B (zh) | 消除换规格影响的带钢精轧机辊缝控制方法 | |
CN101391268B (zh) | 一种钢板控轧控冷过程温度制度的逆向优化方法 | |
CN112446130A (zh) | 连续热镀锌机组退火炉的带钢跑偏仿真***及控制方法 | |
CN104785543B (zh) | 一种基于滑动平均滤波的热轧带钢凸度反馈控制方法 | |
CN103934278B (zh) | 一种热轧精轧带钢厚度控制方法 | |
CN103286141A (zh) | 热连轧精轧带钢宽度自动控制方法 | |
CN110773573B (zh) | 一种板形调控功效系数实测数据处理方法 | |
CN101320031B (zh) | 一种奥氏体不锈钢精密钢带的终轧变形量预测方法 | |
CN103140815A (zh) | 用于协调生产过程的两个相继的制造级的方法和装置 | |
CN105013832A (zh) | 一种兼顾轧制能耗与良好板形的热轧带钢负荷分配方法 | |
CN104942019A (zh) | 一种带钢冷轧过程宽度自动控制方法 | |
WO2008012881A1 (fr) | Appareil de contrôle de matériaux et de prévision de matériaux pour ligne de laminage | |
CN105886751A (zh) | 一种冷轧热镀锌退火炉板温协调控制***及方法 | |
CN103882221A (zh) | 热轧加热炉模型中动态预测板坯最短在炉时间的方法 | |
CN100371097C (zh) | 多料流跟踪的控制方法 | |
CN108153146A (zh) | 一种高炉多元铁水质量无模型自适应控制***及方法 | |
CN103128107A (zh) | 一种热连轧粗轧短行程曲线参数的在线计算方法 | |
CN105344720A (zh) | 一种精轧带钢终轧温度的在线控制方法 | |
CN101733291A (zh) | 中厚板轧后冷却辊道速度的控制方法 | |
JP2006518669A (ja) | 金属帯の、特に冷却区間における温度を調節するための方法 | |
CN111411215B (zh) | 一种多钢坯对象的炉温综合决策方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20090318 |